典型文献
基于Faster-RCNN及一维曲线分析的表计指针识读方法
文献摘要：
针对机器人部署调试中表计需逐个配置的问题,提出基于神经网络学习及一维曲线分析的表盘指针、刻度识别方法.基于Faster-RCNN(faster region-based convolutional network),初步识别刻度盘位置,从而确定指针运动圆心.将图像以圆心为中心进行极坐标展开后,通过分析一维曲线的频域特征筛选刻度所在区域,统计不同区域灰度峰谷值的形式确定刻度和指针的真实位置.最后对几种典型表计进行实验分析,验证所提方法的有效性.实验结果显示,该方法对表计样本量较多的表计类型,可成功实现自动读数功能.
文献关键词：
表计识别;指针;快速傅里叶变换;神经网络;Faster-RCNN
中图分类号：
作者姓名：
钟力强;屈娟娟;姜新丽;黄炎
作者机构：
南方电网电力科技股份有限公司广东省特殊行业特种机器人工程技术研究中心,广东广州510080;南方电网电力科技股份有限公司中国南方电网电力机器人联合实验室,广东广州510080;广州新华学院,广东广州510520;许昌开普电气研究院有限公司,河南许昌461000
文献出处：
引用格式：
[1]钟力强;屈娟娟;姜新丽;黄炎-.基于Faster-RCNN及一维曲线分析的表计指针识读方法)[J].广东电力,2022(02):27-35
A类：
B类：
Faster,RCNN,指针,识读,人部,逐个,神经网络学习,表盘,faster,region,convolutional,network,别刻,刻度盘,圆心,极坐标,频域特征,特征筛选,所在区域,灰度,峰谷值,样本量,自动读数,表计识别,快速傅里叶变换
AB值：
0.448103
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
